Xreferat.com » Рефераты по математике » Методы оптимизации функций многих переменных

Методы оптимизации функций многих переменных

многих переменных" width="600" height="55" border="0" />Методы оптимизации функций многих переменных

Методы оптимизации функций многих переменных, Методы оптимизации функций многих переменных, Методы оптимизации функций многих переменных;

Методы оптимизации функций многих переменных.

Методы оптимизации функций многих переменных


является активным ограничением только для точки Методы оптимизации функций многих переменных.

Применим достаточное условие минимума второго порядка к этой точке:


Методы оптимизации функций многих переменных


Подставив Методы оптимизации функций многих переменных и Методы оптимизации функций многих переменных во второй дифференциал функции Лагранжа, получим


Методы оптимизации функций многих переменных.


Запишем матрицу квадратичной формы относительно приращений:


Методы оптимизации функций многих переменных.


Для "верхнего" знака Методы оптимизации функций многих переменных матрица


Методы оптимизации функций многих переменных.


Для "нижнего" знака элементы матрицы меняют знак. Согласно критерию Сильвестра, в этой точке нет экстремума.

Сравним значения функции в остальных точках:


Методы оптимизации функций многих переменных; Методы оптимизации функций многих переменных; Методы оптимизации функций многих переменных.


Точкой глобального минимума является


Методы оптимизации функций многих переменных,


значение функции в этой точке


Методы оптимизации функций многих переменных-0, 192450. Методы оптимизации функций многих переменных.


Проверим справедливость оценки Методы оптимизации функций многих переменных для точки Методы оптимизации функций многих переменных, Методы оптимизации функций многих переменных.

Возьмем вектор Методы оптимизации функций многих переменных, ему соответствуют множители Лагранжа


Методы оптимизации функций многих переменных.


Следовательно,


Методы оптимизации функций многих переменных.


Перепишем условие задачи, введя приращение Методы оптимизации функций многих переменных:


Методы оптимизации функций многих переменных;

Методы оптимизации функций многих переменных

Методы оптимизации функций многих переменных.Методы оптимизации функций многих переменных


Методы оптимизации функций многих переменныхИз первых трех уравнений получаем Методы оптимизации функций многих переменных и подставим в последнее уравнение:


Методы оптимизации функций многих переменных, Методы оптимизации функций многих переменных.

Методы оптимизации функций многих переменных.

Методы оптимизации функций многих переменных.


Возьмем, например, Методы оптимизации функций многих переменных


Методы оптимизации функций многих переменных.


С другой стороны,


Методы оптимизации функций многих переменных.


Аналогично для Методы оптимизации функций многих переменных


Методы оптимизации функций многих переменных и Методы оптимизации функций многих переменных.


Решить задачу максимизации квадратичной функции


Методы оптимизации функций многих переменных при условиях Методы оптимизации функций многих переменных15 и Методы оптимизации функций многих переменных1,2,3.


Перепишем условие следующим образом:


Методы оптимизации функций многих переменных


Функция Лагранжа имеет вид


Методы оптимизации функций многих переменных.


Необходимые и достаточные условия минимума:


Методы оптимизации функций многих переменных,Методы оптимизации функций многих переменных, Методы оптимизации функций многих переменных,

Методы оптимизации функций многих переменных,Методы оптимизации функций многих переменных,Методы оптимизации функций многих переменных.


Получаем систему уравнений и неравенств:


Методы оптимизации функций многих переменных


Для решения промежуточной задачи ЛП воспользуемся средствами MS Excel. Введем формулы, соответствующие системе (рис.2), и начальное приближение для решения системы уравнений (рис.3).

Методы оптимизации функций многих переменных

Рис.2. Ввод данных задачи


Методы оптимизации функций многих переменных

Рис.3. Задание начального приближения


Заполним поля диалога "Поиск решения" (рис.4).


Методы оптимизации функций многих переменных

Рис.4. Экранная форма "Поиск решения"


В окне "Параметры" установим флажок "Неотрицательные значения".

В результате решения найдена седловая точка функции Лагранжа


(х*,λ*) = (15; 0; 0; 30) (рис.5).


Методы оптимизации функций многих переменных

Рис.5. Результаты поиска решения.


Оптимальное решение задачи: х* (15; 0; 0), f (x*) = 225.


4. Задания для лабораторного практикума


Решить задачу минимизации функции методом множителей Лагранжа.

Решить ЗНП методом седловой точки. Промежуточную задачу решения СЛАУ решить, используя EXCEL.


1. Методы оптимизации функций многих переменных.

2. Методы оптимизации функций многих переменных.

3. Методы оптимизации функций многих переменных.

4. Методы оптимизации функций многих переменных.

5. Методы оптимизации функций многих переменных.

6. Методы оптимизации функций многих переменных.

7. Методы оптимизации функций многих переменных.

8. Методы оптимизации функций многих переменных.


Ограничения (для всех вариантов):


Методы оптимизации функций многих переменных Методы оптимизации функций многих переменных.


Контрольные вопросы:

Активные и пассивные ограничения. Регулярная задача.

Теорема Куна-Такера.

Достаточные условия минимума в задачах математического программирования.

Седловая точка.

Метод седловой точки для задачи квадратичного программирования.

Библиографический список


Стандарт предприятия: Общие требования и правила оформления дипломных и курсовых проектов (работ): СТП УГТУ - УПИ 1 - 96. Екатеринбург, 1996.

Акулич И.Л. Математическое программирование в примерах и задачах / И.Л. Акулич. М.: Высшая школа, 1993.335 с.

Аттетков А.В. Методы оптимизации / А.В. Аттетков, С.В. Галкин,

В.С. Зарубин. М.: МГТУ, 2004.432 с.

Васильев В.П. Численные методы решения экстремальных задач / В.П. Васильев. М.: Наука, 1980.518 с.

Габасов Р. Методы оптимизации / Р. Габасов, Ф.М. Кириллова. Минск: БГУ, 1981.350 с.

Дьяконов В. Matlab: учебный курс / В. Дьяконов. СПб.: Питер, 2001.560 с.

Еремин И.И. / И.И. Еремин, Н.Н. Астафьев. М.: Наука, 1976.192 с.

Пантелеев А.В. Методы оптимизации в примерах и задачах /

А.В. Пантелеев, Т.А. Летова. М.: Высшая школа, 2005.544 с.

МЕТОДЫ ОПТИМИЗАЦИИ ФУНКЦИЙ МНОГИХ ПЕРЕМЕННЫХ: методические указания к лабораторным работам / сост. С.Д. Чернина. Екатеринбург: УГТУ-УПИ, 2007.36 с.


Приложение


Рекомендации по использованию EXCEL и MATLAB

Построение графиков

Для построения графика функции y=f (x1,x2) могут быть использованы следующие инструменты:

1. В EXCEL - Мастер диаграмм, подтип Поверхность.

а. Используя автозаполнение, на листе EXCEL в столбец А и первую строку с выбранным шагом ввести соответственно значения переменных x1 и x2, для которых будут вычисляться значения функции.

б. В ячейку В2 ввести выражение для вычисления функции f (x1,x2) в точках $A2, B$1 (знак $ - признак абсолютной адресации, при которой будут зафиксированы первый столбец - перебор значений переменной x1 и первая строка - перебор значений переменной x2) и нажать одновременно три клавиши Ctrl, Shift, Enter, поскольку формула используется для обработки массивов. В строке формул должны появиться фигурные скобки.

в. Выделить ячейку В2 и, протянув маркер заполнения сначала вниз, пробегая все ячейки, заполненные в столбце А, а затем вправо, пробегая все ячейки, заполненные в строке 1, заполнить массив значений функции в узловых точках области построения графика.

г. На вкладке "Стандартные" Мастера диаграмм выбрать подтип Поверхность. Поверхностная диаграмма дает трехмерное изображение функции, а контурная диаграмма представляет вид сверху на поверхностную диаграмму и является аналогом линий уровня исследуемой функции.

2. В MATLAB - функции plot3, mesh, surf, surfl.

а. С помощью функции meshgrid получить двумерные массивы координат узловых точек области построения графика: u=a: ∆1: b; v=c: ∆2: d; [x,y] =meshgrid (u,v).

б. Задать исследуемую функцию: f= f (х, у).

в. Применяя указанные выше функции, получить трехмерное изображение: plot3 (x,y,f) или mesh (x,y,f), surf (x,y,f), surfl (x,y,f).

Действия с матрицами

Для нахождения собственных значений и собственных векторов матрицы Гессе могут быть использованы следующие инструменты MATLAB:

λ = eig (a) - функция eig (a) возвращает собственные значения заданной матрицы a. Пример задания матрицы 4х4: a = [16 3 2 13; 5 10 11 8; 9 6 7 12; 4 15 14 1] ;

[v,d] = eig (a) - при таком обращении функция возвращает собственные векторы v и собственные значения как элементы диагональной матрицы d.

Для нахождения матрицы, обратной матрице Гессе, могут быть использованы следующие инструменты:

В EXCEL - функция МОБР возвращает обратную матрицу для матрицы, хранящейся в массиве.

В MATLAB - функция y=inv (a) возвращает обратную матрицу для матрицы a.


1 Лабораторная работа выполнена студентом Коневым С.

Если Вам нужна помощь с академической работой (курсовая, контрольная, диплом, реферат и т.д.), обратитесь к нашим специалистам. Более 90000 специалистов готовы Вам помочь.
Бесплатные корректировки и доработки. Бесплатная оценка стоимости работы.

Поможем написать работу на аналогичную тему

Получить выполненную работу или консультацию специалиста по вашему учебному проекту
Нужна помощь в написании работы?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Пишем статьи РИНЦ, ВАК, Scopus. Помогаем в публикации. Правки вносим бесплатно.

Похожие рефераты: